Phân loại tế bào bạch cầu ác tính trên ảnh hiển vi
Tác giả: Lý Hồng Thiên Ân, Trần Dương Kha, Lê Minh Hưng, Trần Đình Toàn, Trần Văn LangTóm tắt:
Vấn đề bí mật dữ liệu cá nhân trong lĩnh vực y tế dẫn đến sự khan hiếm dữ liệu huấn luyện; sự tương đồng về mặt hình thái giữa tế bào ung thư với các tế bào bình thường; đồng thời với sự mất cân bằng dữ liệu giữa các lớp càng làm tăng thêm sự phức tạp của bài toán. Bài báo này đưa ra giải pháp thực nghiệm sử dụng các mô hình về mạng neuron tích chập (CNN) và các hàm mất mát (loss function) có sẵn sử dụng tập dữ liệu C-NMC2019 của cuộc thi ISBI2019. Tập dữ liệu này bao gồm ảnh các của tế bào ung thư và của tế bào khỏe mạnh. Nghiên cứu này đề xuất một hàm mất mát đặt tên là Focal Hinge Loss (FHL) được cải tiến từ hai hàm mất mát Focal Loss và Hinge Loss, từ đó kết hợp hai mô hình CNN là DenseNet201, EfficientNetB2 để giải quyết vấn đề đặt ra. Kết quả thử nghiệm nhận được rất hiệu quả với F1 Score là 91.94%; đồng thời được xếp top 5 trên bảng xếp hạng của cuộc thi ISBI2019.
- Đánh giá nguy cơ ngã của người bệnh viêm khớp dạng thấp bằng thang điểm morse tại Bệnh viện Đại học Y Hà Nội
- Thực trạng lo âu và một số yếu tố liên quan ở người bệnh đến tiêm và hút dịch khớp tại Bệnh viện Đại học Y Hà Nội
- Đặc điểm hình thái tuyến giáp trên siêu âm ở phụ nữ sau mãn kinh
- Bước đầu đánh giá kết quả điều trị tắc động mạch phổi cấp ở bệnh nhân cao tuổi
- Thực trạng và kết quả điều trị thiếu máu ở người bệnh phẫu thuật chỉnh hình lớn tại Bệnh viện Đại học Y Hà Nội giai đoạn 2023-2024